CN113887432A - 一种视频审核方法及系统 - Google Patents
一种视频审核方法及系统 Download PDFInfo
- Publication number
- CN113887432A CN113887432A CN202111165448.5A CN202111165448A CN113887432A CN 113887432 A CN113887432 A CN 113887432A CN 202111165448 A CN202111165448 A CN 202111165448A CN 113887432 A CN113887432 A CN 113887432A
- Authority
- CN
- China
- Prior art keywords
- audited
- auditing
- video
- training
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种视频审核方法及系统,审核方法包括:S01、导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练,获得审核模型和特征库;S02、获取待审核的视频内容;S03、按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;S04、将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;S05、获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;S06、获取执行指令,且根据执行指令对应的播放策略进行视频处理;本方案审核方法响应迅速、实施可靠且审核精准度高。
Description
技术领域
本发明涉及影像审核技术领域,尤其涉及一种视频审核方法及系统。
背景技术
随着高速网络的普及与智能设备的发展,图片、视频等多媒体内容已成为用户表达、事件记录分析中不可或缺的部分,在多方面发挥越来越重要的价值。由于目前缺乏对传播内容有效的安全管控措施,各大社交平台、直播平台、自媒体屡屡出现不良、敏感、恶性内容的安全事故,造成恶劣的社会影响,损害公民、法人和组织的权益,破坏社会秩序和公共利益,甚至危害国家安全。为避免不良内容的传播,传统的方式是采用人工审核对传播内容事后审核,如网易的“鉴黄师”团队等。然而,由于审核不及时、审核水平不一致、审核人员需求量大等问题,导致审核工作难以展开。
发明内容
有鉴于此,本发明的目的在于提出一种响应迅速、实施可靠且审核精准度高的视频审核方法及系统。
为了实现上述的技术目的,本发明所采用的技术方案为:
一种视频审核方法,其包括:
S01、导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练,获得审核模型和特征库;
S02、获取待审核的视频内容;
S03、按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
S04、将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
S05、获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
S06、获取执行指令,且根据执行指令对应的播放策略进行视频处理。
作为一种可能的实施方式,进一步,S01中,所述训练素材为图像素材、文字素材中的一种以上,且所述图像素材、文字素材中均相应预先标注有分类信息,所述分类信息至少包括涉黄、涉暴恐、涉政治敏感、涉不良广告中的一项以上;
所述特征库包括文字特征库和图像特征库。
作为一种可能的实施方式,进一步,S02中,待审核的视频内容以主动获取的方式或被动获取的方式进行获取;
所述主动获取的方式至少包括调用对应网络接口对视频内容进行上报;
所述被动获取的方式至少包括利用采集设备或软探针方式对视频内容进行采集;再被动获取方式上,可以采用设定特定采集频率或预设触发条件的形式进行采集需要审核的视频内容,例如,通过预先设置采集频率,对视频流进行采集,如1帧/秒等;而采集设备或搭载软探针的设备可以以开机即开始采集,关机则停止采集的形式进行工作;然后对采集的图片或视频进行压缩、编码上传给系统,系统侧进行解码后导入进行审核。
作为一种较优的实施选择,优选的,S03中,通过高速截图的方式以预设频率对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后分别对待审核图像帧进行图像特征提取和文字特征提取,获得图像特征和文字特征作为待审核元素。
其中,文字特征提取可以采用OCR技术进行获取待审核图像帧(关键帧)中的文字信息,或者采用其他方式对待审核图像帧中的审核元素进行定位,然后再进行特征提取,例如:图像特征提取、文字特征提取的方式可以为如下:
S31,对获取的图像内容进行逐层剥离,提取图像特征值,该图像特征值用于后续审核模型审核时,与图像特征库进行比对,再图像内容的逐层剥离上,可以采用图片的场景、背景、色彩、物体、人体姿势等特征逐步抽离,产生该图片的特征值。
S32,对获取的文字内容进行逐层剥离,提取文字特征值,该文字特征值用于后续审核模型审核时,与文字特征库进行比对。
作为一种较优的实施选择,优选的,S04中,审核模型将导入的图像特征、文字特征对应与文字特征库、图像特征库进行匹配,获得图像特征和文字特征的分类信息匹配概率,然后取匹配概率最大值对应的分类信息和匹配概率输出,生成匹配概率结果;例如,对待审图片进行色情类、暴恐类、敏感信息类等不良特征进行比对,本方案的图像特征库内在大类别下属还包括进一步的精细分类,如色情类下属的精细分类还包括色情、性感等小类;而本方案审核模型所输出的结果是大类中所含概率数值最高的小类的结果。例如,待审核图片的审核模型审核结果为:色情概率30%,性感概率50%,则输出性感概率50%。
作为一种较优的实施选择,优选的,S05中,当匹配概率结果大于预设阈值时,将审核元素标记为不良内容并记录,且对应输出内容阻断建议作为执行指令;
当匹配概率结果小于预设阈值时,将审核元素标记为正常内容并记录,且对应输出正常播放建议作为执行指令。
作为一种较优的实施选择,优选的,S05中,被标记为不良内容的审核元素还被存储,存储过程中,审核元素还被统一后处理,令其形成预设规格或预设占用存储大小的文件。
本方案中,S02所获取待审核的视频内容经审核模型审核后,被标记为不良内容的审核元素还被存储于响应类型的特征库中(即,图像特征库和文字特征库),其中,特征库中汇集的训练素材还定期被导入至审核模型中进行再次训练优化,除此之外,本方案形成的特征库可采用对标官方违规库的形式进行完善,同时,其可进行本地化封装,防止信息外泄,还可以作为审核模型的训练素材进行积累,令审核模型与审核场景更为匹配,使其经多次训练后,审核精准度更高,而特征库进行特征提取后,作为审核模型训练素材的数据导入到审核模型中训练的主要目的在于对审核模型的参数进行调优,经训练后,该训练数据不做存储,且该训练素材无法通过反向工程进行重新还原,以此实现了特征库数据再利用时的保密性。
本方案S06中,当执行指令为内容阻断建议时,采用禁播、替换播放内容或断电的方式进行视频处理。
作为一种较优的实施选择,优选的,本方案还包括:
S07、定义标准接口,将审核元素所标记的内容作为审核数据通过标准接口与互联网平台进行数据同步。
其中,所述互联网平台可以为接入到互联网中的上层态势管理、城市大脑、智慧城市等平台。
基于上述的审核方法,本发明还提供一种视频审核系统,其包括:
素材处理模块,配置成用于导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练;
数据存储模块,配置成用于存储经素材处理模块处理生成的训练素材和训练获得的审核模型和特征库,还用于存储审核数据,所述的审核数据包括经标记和记录的审核元素;
视频获取模块,配置成用于获取待审核的视频内容;
数据处理模块,配置成用于按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
审核模块,配置成用于将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
判断模块,配置成用于获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
执行模块,配置成用于获取执行指令,且根据执行指令对应的播放策略进行视频处理。
基于上述的审核方法,本发明还提供一种计算机可读的存储介质,其特征在于:所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的视频审核方法。
采用上述的技术方案,本发明与现有技术相比,其具有与的有益效果为:
1、本方案通过训练获得审核模型,通过审核模型进行审核处理视频内容,相较于较人工审核,本方案具有更加高效、客观和无间断的优点,另外,本方案利用人工智能还可以节省90%的工作,让审核人员的工作由内容具体审核转为异常情况分析,在同样审核量的情况下,能够节约大量时间,处理更重要的工作环节内容;
2、本方案通过基于机器学习远离,导入训练素材进行特征提取、训练形成的不良特征库,可通过不断学习逐渐完善,使得对视频内容的审核效率及精确度不断提高;
3、本方案从图像、文字等维度对视频内容是否合规合法进行综合判断,能够全面减少漏判因素和概率;
4、本方案还可以通过设计大容量存储空间,对不良视频审核结果进行记录,方便执法部门溯源取证。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明视频审核方法的简要实施流程示意图;
图2是本发明视频审核系统的简要模块数据传递示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本发明一种视频审核方法,其包括:
S01、导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练,获得审核模型和特征库;
S02、获取待审核的视频内容;
S03、按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
S04、将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
S05、获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
S06、获取执行指令,且根据执行指令对应的播放策略进行视频处理;
S07、定义标准接口,将审核元素所标记的内容作为审核数据通过标准接口与互联网平台进行数据同步。
其中,为了便于训练和汇集素材,本方案S01中,所述训练素材为图像素材、文字素材中的一种以上,且所述图像素材、文字素材中均相应预先标注有分类信息,所述分类信息至少包括涉黄、涉暴恐、涉政治敏感、涉不良广告中的一项以上;而经特征提取所形成的特征库包括文字特征库和图像特征库。
其中,审核模型的训练可以通过将训练素材及标注结果导入到神经网络中进行滚动训练,直至模型所输出的结果符合预设值时,模型收敛,完成训练。
在视频获取方面,本方案S02中,待审核的视频内容以主动获取的方式或被动获取的方式进行获取;其中,所述主动获取的方式至少包括调用对应网络接口对视频内容进行上报;另外,所述被动获取的方式至少包括利用采集设备或软探针方式对视频内容进行采集。
在审核内容的预处理方面,本方案中,作为一种较优的实施选择,优选的,S03中,通过高速截图的方式以预设频率对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后分别对待审核图像帧进行图像特征提取和文字特征提取,获得图像特征和文字特征作为待审核元素。
在内容审核方面,作为一种较优的实施选择,优选的,S04中,审核模型将导入的图像特征、文字特征对应与文字特征库、图像特征库进行匹配,获得图像特征和文字特征的分类信息匹配概率,然后取匹配概率最大值对应的分类信息和匹配概率输出,生成匹配概率结果。
作为一种较优的实施选择,优选的,S05中,当匹配概率结果大于预设阈值时,将审核元素标记为不良内容并记录,且对应输出内容阻断建议作为执行指令;
当匹配概率结果小于预设阈值时,将审核元素标记为正常内容并记录,且对应输出正常播放建议作为执行指令。
作为一种较优的实施选择,优选的,S05中,被标记为不良内容的审核元素还被存储;
S06中,当执行指令为内容阻断建议时,采用禁播、替换播放内容或断电的方式进行视频处理。
结合图2所示,基于上述的审核方法,本发明还提供一种视频审核系统,其包括:
素材处理模块,配置成用于导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练;
数据存储模块,配置成用于存储经素材处理模块处理生成的训练素材和训练获得的审核模型和特征库,还用于存储审核数据,所述的审核数据包括经标记和记录的审核元素;
视频获取模块,配置成用于获取待审核的视频内容;
数据处理模块,配置成用于按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
审核模块,配置成用于将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
判断模块,配置成用于获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
执行模块,配置成用于获取执行指令,且根据执行指令对应的播放策略进行视频处理。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种视频审核方法,其特征在于,其包括:
S01、导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练,获得审核模型和特征库;
S02、获取待审核的视频内容;
S03、按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
S04、将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
S05、获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
S06、获取执行指令,且根据执行指令对应的播放策略进行视频处理。
2.如权利要求1所述的视频审核方法,其特征在于,S01中,所述训练素材为图像素材、文字素材中的一种以上,且所述图像素材、文字素材中均相应预先标注有分类信息,所述分类信息至少包括涉黄、涉暴恐、涉政治敏感、涉不良广告中的一项以上;
所述特征库包括文字特征库和图像特征库。
3.如权利要求1所述的视频审核方法,其特征在于,S02中,待审核的视频内容以主动获取的方式或被动获取的方式进行获取;
所述主动获取的方式至少包括调用对应网络接口对视频内容进行上报;
所述被动获取的方式至少包括利用采集设备或软探针方式对视频内容进行采集。
4.如权利要求2所述的视频审核方法,其特征在于,S03中,通过高速截图的方式以预设频率对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后分别对待审核图像帧进行图像特征提取和文字特征提取,获得图像特征和文字特征作为待审核元素。
5.如权利要求4所述的视频审核方法,其特征在于,S04中,审核模型将导入的图像特征、文字特征对应与文字特征库、图像特征库进行匹配,获得图像特征和文字特征的分类信息匹配概率,然后取匹配概率最大值对应的分类信息和匹配概率输出,生成匹配概率结果。
6.如权利要求5所述的视频审核方法,其特征在于,S05中,当匹配概率结果大于预设阈值时,将审核元素标记为不良内容并记录,且对应输出内容阻断建议作为执行指令;
当匹配概率结果小于预设阈值时,将审核元素标记为正常内容并记录,且对应输出正常播放建议作为执行指令。
7.如权利要求6所述的视频审核方法,其特征在于,S05中,被标记为不良内容的审核元素还被存储;
S06中,当执行指令为内容阻断建议时,采用禁播、替换播放内容或断电的方式进行视频处理。
8.如权利要求1至7之一所述的视频审核方法,其特征在于,还包括:
S07、定义标准接口,将审核元素所标记的内容作为审核数据通过标准接口与互联网平台进行数据同步。
9.一种视频审核系统,其特征在于,其包括:
素材处理模块,配置成用于导入训练素材,对训练素材进行特征提取,再将其输入神经网络中进行训练;
数据存储模块,配置成用于存储经素材处理模块处理生成的训练素材和训练获得的审核模型和特征库,还用于存储审核数据,所述的审核数据包括经标记和记录的审核元素;
视频获取模块,配置成用于获取待审核的视频内容;
数据处理模块,配置成用于按预设处理条件对待审核的视频内容进行图像帧提取,获得待审核图像帧,然后再按预设处理条件对待审核图像帧中的信息元素进行提取,获得待审核元素;
审核模块,配置成用于将待审核元素导入到审核模型中进行审核,由审核模型输出对应审核元素的匹配概率结果;
判断模块,配置成用于获取审核模型输出的匹配概率结果,将其与预设阈值进行对比,且根据对比结果输出执行指令;
执行模块,配置成用于获取执行指令,且根据执行指令对应的播放策略进行视频处理。
10.一种计算机可读的存储介质,其特征在于:所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现如权利要求1至8之一所述的视频审核方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165448.5A CN113887432A (zh) | 2021-09-30 | 2021-09-30 | 一种视频审核方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165448.5A CN113887432A (zh) | 2021-09-30 | 2021-09-30 | 一种视频审核方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113887432A true CN113887432A (zh) | 2022-01-04 |
Family
ID=79005128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165448.5A Pending CN113887432A (zh) | 2021-09-30 | 2021-09-30 | 一种视频审核方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113887432A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114650447A (zh) * | 2022-03-22 | 2022-06-21 | 中国电子技术标准化研究院 | 一种确定视频内容异常程度的方法、装置及计算设备 |
CN114928764A (zh) * | 2022-04-12 | 2022-08-19 | 广州阿凡提电子科技有限公司 | 一种原创短视频ai智能化检测方法、系统和装置 |
CN115297360A (zh) * | 2022-09-14 | 2022-11-04 | 百鸣(北京)信息技术有限公司 | 一种多媒体软件视频上传智能审核系统 |
CN115294504A (zh) * | 2022-09-28 | 2022-11-04 | 武汉当夏时光文化创意有限公司 | 一种基于ai的营销视频审核系统 |
CN116415017A (zh) * | 2023-03-17 | 2023-07-11 | 湖北巨字传媒有限公司 | 基于人工智能的广告敏感内容审核方法及系统 |
CN116452836A (zh) * | 2023-05-10 | 2023-07-18 | 武汉精阅数字传媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
-
2021
- 2021-09-30 CN CN202111165448.5A patent/CN113887432A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114650447A (zh) * | 2022-03-22 | 2022-06-21 | 中国电子技术标准化研究院 | 一种确定视频内容异常程度的方法、装置及计算设备 |
CN114650447B (zh) * | 2022-03-22 | 2024-05-14 | 中国电子技术标准化研究院 | 一种确定视频内容异常程度的方法、装置及计算设备 |
CN114928764A (zh) * | 2022-04-12 | 2022-08-19 | 广州阿凡提电子科技有限公司 | 一种原创短视频ai智能化检测方法、系统和装置 |
CN115297360A (zh) * | 2022-09-14 | 2022-11-04 | 百鸣(北京)信息技术有限公司 | 一种多媒体软件视频上传智能审核系统 |
CN115294504A (zh) * | 2022-09-28 | 2022-11-04 | 武汉当夏时光文化创意有限公司 | 一种基于ai的营销视频审核系统 |
CN115294504B (zh) * | 2022-09-28 | 2023-01-03 | 武汉当夏时光文化创意有限公司 | 一种基于ai的营销视频审核系统 |
CN116415017A (zh) * | 2023-03-17 | 2023-07-11 | 湖北巨字传媒有限公司 | 基于人工智能的广告敏感内容审核方法及系统 |
CN116415017B (zh) * | 2023-03-17 | 2024-03-29 | 湖北巨字传媒有限公司 | 基于人工智能的广告敏感内容审核方法及系统 |
CN116452836A (zh) * | 2023-05-10 | 2023-07-18 | 武汉精阅数字传媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
CN116452836B (zh) * | 2023-05-10 | 2023-11-28 | 杭州元媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113887432A (zh) | 一种视频审核方法及系统 | |
CN112613501A (zh) | 信息审核分类模型的构建方法和信息审核方法 | |
CN109195007B (zh) | 视频生成方法、装置、服务器及计算机可读存储介质 | |
Armas Vega et al. | Copy-move forgery detection technique based on discrete cosine transform blocks features | |
Pu et al. | Noisescope: Detecting deepfake images in a blind setting | |
CN113407886A (zh) | 网络犯罪平台识别方法、系统、设备和计算机存储介质 | |
CN108846441A (zh) | 一种图像相似检测方法和装置、计算机可读存储介质 | |
CN110991246A (zh) | 一种视频检测方法及系统 | |
Xiang et al. | Forensic analysis of video files using metadata | |
Mani et al. | A survey on digital image forensics: Metadata and image forgeries | |
Xu et al. | Facial depth forgery detection based on image gradient | |
Webster | A reproducible extraction of training images from diffusion models | |
GB2546567A (en) | Method of associating a person with a digital object | |
CN114841705B (zh) | 一种基于场景识别的反欺诈监测方法 | |
CN112818150A (zh) | 一种图片内容审核方法、装置、设备和介质 | |
Hidayasari et al. | Steganalysis Using Yedrodj-net net's Convolutional Neural Networks (CNN) Method on Steganography Tools | |
Khallaf et al. | Detection of Image Tempering: Conventional and Deep Learning-based Techniques | |
Mariappan et al. | Digital Forensic and Machine Learning | |
CN115565227B (zh) | 智能网联汽车数据合规评估方法及装置 | |
Gyaawah Duodu | Digital Forensics: Digital Evidence Derived From Applications in Graphic Design–A Review | |
Barni et al. | Threat models and games for adversarial multimedia forensics | |
Birajdar et al. | Passive image manipulation detection using wavelet transform and support vector machine classifier | |
Hung et al. | Trademark Background Analysis Method Based on Human Cognition of Visual Psychology | |
Shelar et al. | Error level analysis with convnet to identify image forgery | |
CN113076547A (zh) | 基于区块链的违法证据追溯系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |